Óritskoðað GLM API: besta verðgildið á hvert tákn

Flestir samanburðir á „ódýrasta líkaninu“ eru óheiðarlegir, því ódýri kosturinn er yfirleitt lítið líkan í markaðsfötum stórs líkans. Það er ekki það sem gerist hér. GLM-5.2 er eitt stærsta grunnlíkan með opnum þyngdum sem nokkur hefur gefið út, og á $0.73 inn / $2.34 út situr það einu þrepi ofan við gólfið í skránni okkar á meðan það ber grunnlíkan sem er margfalt stærra en það sem gólfið kaupir venjulega. Það bil — stórt líkan, verð nálægt gólfi — er ástæðan fyrir þessari síðu.

01Hvaðan GLM kemur: Tsinghua, eyðufylling og hörð beygja í átt að gerendum

GLM er ekki endurmerkt afsprengi Llama. Það er ein af fáum líkanafjölskyldum með sitt eigið forþjálfunarmarkmið, þróað í fimm ár af sama rannsóknarhópi. Nafnið stendur fyrir General Language Model, og stofngreinin — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — lagði til þriðja kostinn við hlið hulduorðamállíkanagerðar BERT og strangrar vinstri-til-hægri sjálfshrifagerðar GPT. GLM eyðir samfelldum bútum og býr þá til aftur sjálfshrifalega í stokkaðri röð, með tvívíðum staðsetningarkóðunum sem rekja bæði stöðu tákns í spillta skjalinu og stöðu þess innan bútsins sem er verið að fylla: eitt byggingarlag sem ræður jafn vel við skilning og myndun.

Hópurinn á bak við það var Knowledge Engineering Group við Tsinghua-háskóla, sem stofnaði fyrirtækið sem nú heitir Z.ai (áður Zhipu AI). Fyrsti stóri afraksturinn var GLM-130B í október 2022 — tvítyngt þétt líkan á ensku og kínversku með 130 milljörðum færibreyta, þar sem þyngdir og kóði voru gefin út opinberlega um leið og greinin birtist. Opin útgáfa hefur verið húsreglan síðan.

MoE-tímabilið, og snúningurinn að gerendum

Rauði þráðurinn skiptir meira máli en nokkur ein útgáfa. Frá GLM-4.5 hefur hver útgáfa verið fínstillt fyrir það sama: að haldast samkvæm í gegnum tugi verkfærakalla. Það er annað markmið en að hámarka viðmiðunarskor í einni umferð, og það birtist sem færri gölluð verkfæraviðföng, minna rek í langri áætlun, og minna af hegðuninni „byrjar verkið öruggur upp á nýtt í umferð 14“ sem gerir gerendaumgjarðir dýrar.

02Hvað GLM-5.2 er, og hvað það mældist með

Z.ai birtir viðmiðunartölur fyrir GLM-5.2 í GLM-5 kóðasafninu. Tvær eiga við raunverulega gerendavinnu frekar en upprifjun á smáatriðum:

Terminal-Bench 2.1 — skipanalínuverkefni gerenda yfir langan tíma. Tölur frá Z.ai.

SWE-bench Pro — úrlausn mála í raunverulegum kóðasöfnum. Tölur frá Z.ai; GLM-5.1 skoraði 58,4 á sama prófi.

Þetta eru tölur rannsóknarstofunnar, ekki okkar, og þær lýsa óþjappaða grunnlíkaninu. Þær staðfesta hvaða flokki líkana þú ert að fást við, ekki ábyrgð.

Eitt gagnapunktur vegur þyngra en viðmið, því hann kemur frá matsaðila sem hefur enga hvata til að smjaðra fyrir líkaninu. Í júlí 2026 mat Center for AI Standards and Innovation hjá bandarísku staðlastofnuninni NIST GLM-5.2 og komst að þeirri niðurstöðu að það væri líklega getumesta gervigreindarlíkanið með opnum þyngdum sem völ var á þegar það kom út, með heildargetu sambærilega við GPT-5.2 og netöryggisgetu sambærilega við Claude Opus 4.6. Sama mat benti á að GLM-5.2 loki á færri viðkvæmar beiðnir en bandarísk viðmiðunarlíkön, og að varnir sem bakaðar eru inn í opnar þyngdir megi sniðganga þegar þær þyngdir eru keyrðar í eigin hýsingu. Kafli 05 kemur aftur að því.

03Hvað „3BIT-REAP“ þýðir, og hvað það kostar þig

REAP: að grisja sérfræðinga í stað þess að sameina þá

MoE-líkan með 744 milljörðum færibreyta hefur 256 sérfræðinga í hverju lagi, þar af virkjast 8 á hverju tákni. Beinirinn dreifir vinnunni ekki jafnt — sumir sérfræðingar eru sóttir stöðugt, og langur hali er sóttur sjaldan og leggur lítið til þegar hann er sóttur. REAP (Router-weighted Expert Activation Pruning), frá Cerebras Research og samþykkt á ICLR 2026, nýtir það: það gefur hverjum sérfræðingi einkunn eftir mikilvægisviðmiði sem sameinar hversu sterkt og oft beinirinn hleypir honum að og stærð framlags úttaks hans, og hendir svo þeim lágu varanlega út.

Áhugaverði hlutinn er samanburðurinn sem REAP vinnur. Augljósi valkosturinn við að henda sérfræðingi er að sameina hann þeim sem lifir af, sem hljómar öruggara. Niðurstaða greinarinnar, þvert á MoE-líkön frá 20 milljörðum upp í 1 billjón færibreyta, er sú að sameining sé í raun verri fyrir myndunarvinnu, og að grisjun haldi ótrúlega vel: nánast taplaus á viðmiðum um kóðamyndun og verkfærakall jafnvel eftir að helmingi sérfræðinganna er eytt, á grunnlíkönum á borð við Qwen3-Coder-480B og Kimi-K2. Að kóði og verkfærakall lifi ósnortin af er nákvæmlega það sem þú vilt varðveita á líkani sem er til vegna gerendaverkfræði.

3 bita þyngdir, og heiðarlega málamiðlunin

Ofan á grisjunina eru þyngdirnar sem lifa af geymdar á 3 bitum — harkalegra en W4A16-AUTOROUND-REAP og W8A16 þrepin annars staðar í skránni okkar, og frátekið fyrir stærstu grunnlíkönin, þar sem engin önnur leið er til að koma líkani með þremur fjórðu úr billjón færibreytum á þjónustuhnút og halda táknunum á nothæfum hraða.

Þjöppun er ekki ókeypis. Rétta hugarlíkanið: grisjun og bitaþjöppun rýra langa halann fyrst. Þétt og oft notuð hegðun — að fylgja fyrirmælum, kóðabygging, snið verkfærakalla, margþrepa áætlanagerð — lifir vel af, sem er nákvæmlega það sem REAP-niðurstöðurnar sýna. Óljós staðreyndaupprifjun, sjaldgæf tungumál og sérsviðssmáatriði eru þar sem þú ættir að búast við mun gagnvart óþjöppuðu GLM-5.2. Ef vinnuálagið þitt er „að kunna óvenjulega staðreynd utan að“ skaltu borga fyrir þrep með meiri trúmennsku. Ef það er „að keyra áætlun í gegnum fjörutíu verkfæraköll án þess að fara út af sporinu“, þá er þetta þrepið sem aðferðin var hönnuð fyrir.

04Verðgildið: hvað ódýrt óritskoðað mállíkana-API kostar í raun í rekstri

Birt listaverð Z.ai sjálfs fyrir GLM-5.2 API-ið er $1.40 á hverja milljón inntakstákna og $4.40 á hverja milljón úttakstákna. Verðið okkar á sama grunnlíkani er $0.73 / $2.34 — gróflega 48% lægra á inntaki og 47% lægra á úttaki. Þessi afsláttur er það sem þjöppunin kaupir, og með honum fylgir annað sem þú getur ekki keypt hjá framleiðandanum á neinu verði: ekkert neitunarlag.

Innan okkar eigin skrár er blandaður kostnaður talan sem skiptir máli. Hér er hann við 3:1 hlutfall inntaks og úttaks, gróflega það sem verkfærakallandi gerandi lítur út fyrir að vera í reynd — mikið samhengi og margar verkfæraniðurstöður inn, hlutfallslega fá tákn út.

Líkan	Inn / 1M	Út / 1M	Blandað 3:1	Sjón
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	Nei
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	Nei
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	Já
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Nei
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Já
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Já

Sex líkön sitja á $0.50 / $2.00 gólfinu — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro og Hy3 — sem gerir $0.875 blandað verð. GLM-5.2 er 29% ofan við það gólf og kaupir þér grunnlíkan í 744B-flokki með viðvarandi fjárfestingu í gerendahegðun að baki. Allt sem er verðlagt ofar því kostar að minnsta kosti 23% meira blandað, og Kimi-K3 kostar 6,8× meira. Þar er verðgildisrökin í einni línu: ódýrasti staðurinn í skránni til að kaupa gerendagrunnlíkan í efsta flokki.

Umreiknað í vinnu

• Ein full fylling samhengis — 262,144 inntakstákn: $0.19. Heilt stórt kóðasafn lesið inn í gluggann fyrir undir tuttugu sentum.
• Ein útfylling í hámarkslengd — 16,384 úttakstákn: $0.038.
• Ein gerendaumferð — 20K inn, 2K út: $0.019. Sama umferð kostar $0.115 á Kimi-K3 og $0.047 á DeepSeek-V4-Pro.
• Hundrað gerendaumferðir: $1.93, á móti $11.48 á dýrasta líkaninu í skránni.

Gerendavinnuálag er inntaksþungt, og forskot GLM er mest einmitt þar: inntaksverð þess er 5,2× lægra en hjá Kimi-K3 og 2,7× lægra en hjá DeepSeek-V4-Pro. Ef gerandinn þinn sendir vaxandi samtal aftur í hverri umferð — og nánast allir gerendur gera það — þá er sá margfaldari það sem endar á reikningnum þínum.

05Hvað „óritskoðað“ þýðir á þessum endapunkti

Tvennt, nákvæmlega: ekkert neitunarlag — enginn flokkari sem ákveður hvaða beiðnir líkanið fær að sjá, og ekkert stefnulíkan sem endurskrifar fyrirmælin þín áður en þau berast — og engin síun á úttaki, sem þýðir að táknin sem líkanið framleiðir eru táknin sem þú færð, óritskoðuð og óútskipt.

Það er annað tilboð en viðskiptalegt API sem auglýsir „slakan“ eða „þróunarham“. Þeir beina umferðinni áfram gegnum stefnustafla söluaðilans; það sem breytist er þröskuldurinn, ekki tilvist hliðsins. Hér er ekkert hlið til að stilla — líkanið keyrir á okkar eigin GPU-klasa, og hegðun þess er hegðun grunnlíkansins. Lestu niðurstöðu NIST CAISI úr kafla 02 sem tæknilega staðhæfingu frekar en viðvörun og hún útskýrir vöruna: líkan þar sem samstillingin býr í þyngdunum, keyrt án utanaðkomandi stefnulags, hegðar sér samkvæmt þyngdum sínum.

Hvers vegna þetta skiptir máli sérstaklega fyrir gerendur

Neitanir eru yfirleitt ræddar sem efnisspurning. Í gerendavinnu eru þær aðallega spurning um áreiðanleika. Neitun í umferð 31 af 40 umferða keyrslu er ekki kurteisleg afþökkun sem þú lest og heldur áfram — hún er gallað skref, stýrandi sem veit ekki hvernig á að halda áfram, brotin áætlun, og 30 umferðir af eyddum táknum með ekkert í höndunum. Öryggisrannsóknir, spilliforritagreining, innbrotsprófanir, rauð teymi, skáldskapur fyrir fullorðna, drög að lækna- og lögfræðitextum og gagnasafnsmyndun fyrir öryggisþjálfun lenda öll stöðugt í þessu, og bilunin er dýr einmitt vegna þess að hún kemur seint.

Hin hliðin er sú að stefnulagið er nú þitt. Notkun Shannon AI gáttarinnar lýtur stefnu okkar um ábyrga notkun; að fjarlægja dómgreind söluaðila úr lykkjunni þýðir að þú leggur til þína eigin.

06Hvað endapunkturinn gefur þér í raun

Geta	GLM-5.2 · 3BIT-REAP
Líkanaauðkenni	GLM-5.2-3BIT-REAP
Samhengisgluggi	262,144 tákn
Hámarksúttak á beiðni	16,384 tákn
Streymi	Já
Verkfærakall	Já
Rökhugsun / reasoning_effort	Já
JSON-skema (json_schema)	Já
response_format	Já
Sjón / myndainntak	Nei — aðeins texti
Neitunarlag / síun á úttaki	Engin

Lestu sjónarlínuna vandlega áður en þú byggir. GLM-5.2 er aðeins fyrir texta á gáttinni okkar. Ef þú þarft myndainntak hefur skráin fimm sjónfæra kosti — MiniMax-M3 og MiMo-V2.5 á $0.50 / $2.00 gólfinu, Kimi-K2.6 á $0.78 / $3.67, inkling á $1.42 / $6.07 og Kimi-K3 á $3.83 / $19.12. Skynsamlegt mynstur er að beina myndskilningi á MiniMax-M3 og öllu öðru á GLM-5.2, sem kostar ekkert umfram einn líkanastreng.

Þrjár mállýskur, eitt líkan

Sama líkan er aðgengilegt gegnum þrjú beiðnasnið, öll með streymi: /v1/chat/completions (OpenAI-mállýskan), /v1/messages (Anthropic-mállýskan) og /v1/responses. Ekkert við líkanið breytist á milli þeirra — veldu það sem SDK-ið þitt talar nú þegar, og þú ert yfirleitt einni breytingu á grunnslóð frá því að vera kominn í gang.

# OpenAI-mállýskan — beindu núverandi biðlara þínum á gáttina
from openai import OpenAI

client = OpenAI(
    base_url="https://api.shannon-ai.com/v1",
    api_key="sk-...",
)

resp = client.chat.completions.create(
    model="GLM-5.2-3BIT-REAP",
    messages=[{"role": "user", "content": "..."}],
    tools=tools,                 # verkfærakall stutt
    reasoning_effort="medium", # low | medium | high
    stream=True,
)

Fullkomin beiðna- og svarskemu fyrir allar þrjár mállýskurnar, snið verkfærakalla, form streymisatburða og gagnvirkur leikvöllur eru í API-skjölum Shannon AI.

07Hvenær á að velja GLM-5.2 — og hvenær ekki

Gríptu til þess þegar

• Þú ert að keyra gerendur. Langar verkfærakallalykkjur eru það sem þessi ætt var smíðuð og ítrekað eftirþjálfuð fyrir, og inntaksverðið gerir vaxandi samtal viðráðanlegt að senda aftur í hverri umferð.
• Þú ert að vinna þvert á stórt kóðasafn. 262K af samhengi, áreiðanlegt snið verkfærakalla og $0.19 til að lesa allan gluggann.
• Magn er takmörkunin þín. Flokkun, útdráttur, myndun tilbúinna gagna, fjöldaendurritun — allt þar sem kostnaður á kall sinnum stór tala ræður því hvort verkefnið er raunhæft.
• Neitanir eru að brjóta ferlið þitt. Öryggisrannsóknir, andstæðuprófanir, óritskoðaður skáldskapur, viðkvæm drög — bilunarhamurinn er ekki til staðar hér.

Gríptu til einhvers annars þegar

• Þú þarft sjón. Aðeins texti. Sjá sjónfæru kostina hér að ofan.
• Þú þarft dýpstu rökhugsun í einni umferð. Fyrir erfiðustu greiningarvandamálin í einu skoti er DeepSeek-V4-Pro-0813 · 3BIT-REAP þyngra tækið á 2,2× blandaða kostnaðinn — í köllum þar sem þakið er takmörkunin er það rétta skiptin.
• Þú þarft hámarkstrúmennsku á óljósri þekkingu. W8A16 þrepið — MiMo-V2.5-Pro og Hy3 — er þjappað mun minna harkalega og situr á $0.50 / $2.00 gólfinu, á minni grunnlíkönum.

Viðmiðunartölur GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) eru birtar af Z.ai fyrir óþjappaða grunnlíkanið; sjálfstæð endurtekning er ókomin. Tölur fyrir Claude Opus 4.8 og GPT-5.5 eru sýndar eingöngu til viðmiðunar. Listaverð GLM-5.2 API-sins hjá framleiðanda eins og Z.ai birti það, september 2026.

08Algengar spurningar

---

Heimildir: GLM-5 kóðasafn Z.ai · Du o.fl., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng o.fl., GLM-130B: An Open Bilingual Pre-trained Model · Lasby o.fl., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · Mat NIST CAISI á GLM-5.2 frá Z.ai, júlí 2026. Viðmiðunarskor grunnlíkansins eru gefin upp af rannsóknarstofunni og eru til bráðabirgða; þau lýsa óþjappaða GLM-5.2, ekki þessari þjöppuðu smíð. Tölur um verð, samhengi og getu eru skrárgildi Shannon AI frá og með 5. september 2026.